SLAM
赤豆几维
衔远山,吞长江,浩浩汤汤
展开
-
视觉里程计1(slam十四讲ch7)——特征点,特征匹配
Brook_icv 转载于 https://www.cnblogs.com/wangguchangqing/p/8076061.html slamcn.org:高翔和他的朋友们做的一个系统介绍slam的网站 大牛讲堂|SLAM最终话:视觉里程计1.概念:什么是里程计? 在里程计问题中,我们希望测量一个运动物体的轨迹。这可以通过许多不同的手段来实现。例如,我们在汽车轮胎上安装计数...转载 2018-08-31 13:13:34 · 5158 阅读 · 0 评论 -
建图(SLAM十四讲ch13)
单目稠密重建立体视觉单目相机通过移动相机之后进行三角化测量像素的距离。---->移动视角的立体视觉双目相机利用左右目的视察计算像素距离RGB-D直接获得像素距离 单目的稠密估计(估计每个像素的深度)——>根据视频序列估计图像深度 对图像提取特征,根据描述子计算特征之间匹配。通过不同视角下的观测估计特征点的深度(三角测量)——>稠密深度图估计...转载 2018-09-03 21:24:50 · 2161 阅读 · 1 评论 -
回环检测(SLAM十四讲ch12)
概述 无论在单目、双目还是RGBD中,追踪得到的位姿都是有误差的。随着路径的不断延伸,前面帧的误差会一直传递到后面去,导致最后一帧的位姿在世界坐标系里的误差有可能非常大。除了利用优化方法在局部和全局调整位姿,也可以利用回环检测(loop closure)来优化位姿。问题的关键是:如何判断两帧图片的相似度。最直观的做法是:特征匹配,比较匹配的数量是否足够多。此时,可以采用词袋模型...转载 2018-09-03 17:14:02 · 2139 阅读 · 0 评论 -
后端优化2(SLAM十四讲ch11)-Pose Graph
位姿图(Pose Graph)带有相机位姿和空间点的图优化称为BA机器人运动轨迹越来越长,地图规模不断增长——>BA的计算效率不断下降特征点在优化问题中占据绝大部分。而实际上,经过若干次观测之后,那些收敛的特征点,空间位置估计会收敛至一个值保持不动,而发散的外点则通常看不到。——>优化几次把特征点固定住,只把他们看做位姿的约束,而不再实际优化他们的位置估计BA特征点...转载 2018-09-03 14:01:51 · 3416 阅读 · 0 评论 -
视觉里程计6(SLAM十四讲ch8)-直接法
转载于https://blog.csdn.net/qq_23225073/article/details/78579458直接法(Direct Method)简介推导投影方程如下在直接法中,是求解一个优化问题,但这个优化最小化的不是重投影误差,而是测量误差(Photometric Error),也就是 P的两个像的亮度误差 优化该误差的目标函数 直接法分类...转载 2018-09-01 21:02:13 · 3402 阅读 · 2 评论 -
视觉里程计5(SLAM十四讲ch8)-LK光流
特征点法——>直接法 光流(Optical Flow)实践采用TUM的RGB-D数据集深度图和彩色图时间对齐python associate.py rgb.txt depth.txt > associate.txt ./build/useLK ../data#include <iostream>#i...转载 2018-09-01 20:43:20 · 1535 阅读 · 1 评论 -
视觉里程计4(SLAM十四讲ch7)-ICP
ICP 3D3DSVD方法非线性方法实践使用两幅图的RGB-D图像,通过特征匹配获取两组3D点,最后利用ICP计算他们的位姿变换。pose_estimation_3d3d#include <iostream>#include <opencv2/core/core.hpp>#include <opencv2/features...转载 2018-09-01 19:44:12 · 850 阅读 · 0 评论 -
SLAM基础
参考高翔博客 半闲居士视觉SLAM中的3D空间的位置表示在位姿转换中,通常采用射影空间的齐次坐标表示。其中一个空间点的坐标为普通的3D坐标加一个齐次分量。...转载 2018-09-01 19:23:24 · 221 阅读 · 0 评论 -
视觉里程计3(SLAM十四讲ch7)-PnP
PnP 3D2DPnP问题PnP为 Perspective-n-Point的简称,是求解3D到2D点对的运动的方法:即给出n个3D空间点及其投影位置时,如何求解相机的位姿。 典型的PnP问题求解方式有很多种,例如P3P, 直接线性变换(DLT), EPnP(Efficient PnP), UPnP。还有非线性的Bundle Adjustment.直接线性变换(DLT)...转载 2018-09-01 18:54:07 · 3254 阅读 · 0 评论 -
视觉里程计2(SLAM十四讲ch7)-对极几何,三角测量
对极几何 2D2D对极几何(Epipolar Geometry)是Structure from Motion问题中,在两个相机位置产生的两幅图像的之间存在的一种特殊几何关系,是sfm问题中2D-2D求解两帧间相机姿态的基本模型。相机位姿估计问题——》1.根据配对点的像素位置求出本质矩阵E或者基础矩阵F2.根据E或者F求出R,tE,F只相差了相机内参,而相机内参在SLAM中通常已...转载 2018-09-01 16:43:14 · 3002 阅读 · 1 评论 -
后端优化1(SLAM十四讲ch10)-BA
概述 视觉里程计可以给出一个短时间内的轨迹和地图,但由于不可避免的误差累积,如果时间长了这个地图是不准确的。所以我们希望构建一个尺度、规模更大的优化问题,以考虑长时间内的最优轨迹和地图。实际当中考虑到精度与性能的平衡,有许多不同的做法。 视觉里程计只有短暂的记忆,在后端优化中,我们通常考虑一段更长时间内(或所有时间内)的状态估计问题,而且不仅使用过去的信息更新自己的状态,也会...转载 2018-09-02 21:46:05 · 7396 阅读 · 0 评论 -
SLAM总结(SLAM十四讲ch14)
开源网站 SLAM未来发展趋势一、小型化,轻量级二、利用高性能计算设备,实现精密的三维重建和场景理解 视觉+惯导SLAM语义地图(与深度学习结合)...转载 2018-09-03 21:25:29 · 837 阅读 · 0 评论